[发明专利]基于自适应六边形搜索及三帧背景对齐的动背景视频对象提取

权利要求书

1.应用于一种基于自适应六边形运动估计及三帧背景对齐的动背景下视频对象提取方法，其特征在于包括以下步骤：

（1）将参考帧K帧，K-1帧，K+1帧分成8×8宏块，根据纹理信息对K-1帧、K+1帧中所有宏块进行预判断、筛选；

（2）对上述筛选后的宏块采用SAD准则、自适应六边形运动估计方法进行块匹配，以K-1帧作为当前帧、K帧作为参考帧，得到K-1帧相对于K帧的运动矢量场；以K+1帧作为当前帧、K帧作为参考帧，得到K+1帧相对于K帧的运动矢量场，并通过最小二乘法计算全局运动参数，获得摄像机六参数模型；

（3）对第K-1帧进行运动补偿，使第K-1帧与第K帧背景对齐，得到重建帧K-1'，对第K+1帧进行运动补偿，使第K+1帧与第K帧背景对齐，得到重建帧K+1'；

（4）分别采用Sobel算子提取边缘信息，分别计算其相对于参考帧K边缘的帧差，并采用最大方差阈值进行二值化；

（5）采用与运算及形态学、中值滤波等进行后处理，实现动背景下视频对象的快速有效分割。

2.根据权利要求1所述的方法，其特征在于所述步骤（1）的对于当前帧K-1帧、K+1帧中分成的8×8宏块进行预判断及筛选，具体步骤如下：

由于在下述步骤中应用最小二乘法计算全局运动参数的时候，很多误差大的宏块被直接删除，如果能够在最小二乘法运算之前将误差大的宏块剔除，将显著的提高运算速度，并降低运算量。而决定宏块误差大小、影响计算准确性的重要因素便是宏块的纹理信息，也就是梯度信息。本部分提出的宏块预判断及筛选的方法正是从宏块的梯度信息出发，根据设定的阈值对于宏块进行筛选抑或保留，当宏块的信息量小于该阈值时，对该宏块进行筛选，不作为下述步骤中参与块匹配的宏块；当信息量大于该阈值时，则对宏块进行保留，作为有效特征块参与进行下述的运动估计等运算。

其主要步骤如下：

第一步：将每一帧分成8×8子块，经试验证明，若采用分成16×16子块的形式则计算量过大，若分成4×4子块则块匹配等方法不够精确，故采用8×8子块的形式；

第二步：采用Sobel算子得到每一帧的梯度图，将梯度信息作为宏块剔除的判断依据；

|▿f(x,y)|=mag(▿f(x,y))=Gx2+Gy2]]>

其中

表示该点的梯度信息，G_x、G_y分别表示偏导数。

第三步：计算每一个宏块的梯度量；以8×8子块为例，其梯度信息量为：

|▿f(x,y)8×8|=Σi=1i=8Σj=1j=8|▿f(x,y)|]]>

第四步：确定宏块预断的阈值，一般保留所有宏块的40%，根据这个确定的值，对所有宏块的梯度量进行排序，确定保留40%下宏块筛选的最佳阈值T；

第五步：完成对于宏块的筛选，若其梯度信息量>T，则对宏块进行保留，作为有效特征块参与进行下述的运动估计等运算；若其梯度信息量<T，对该宏块进行筛选，不作为下述步骤中参与块匹配的宏块。